PyPI API Drift: A Release-Level Record of Public API Changes in 1,872 Popular Python Libraries, with a Checker and a Benchmark for Version-Aware Code Generation

आधुनिक सॉफ़्टवेयर के विशाल और परिवर्तनशील परिदृश्य में, पायथन एक प्रमुख भाषा के रूप में खड़ा है, जो वैज्ञानिक अनुसंधान से लेकर वेब अनुप्रयोगों तक सब कुछ संचालित करता है। इसकी शक्ति पूर्व-निर्मित उपकरणों के एक विशाल पारिस्थितिकी तंत्र में निहित है, जिन्हें 'लाइब्रेरी' के रूप में जाना जाता है, जिन्हें डेवलपर्स अपने प्रोजेक्ट्स में जटिल कार्यों को बिना दोबारा आविष्कार किए संभालने के लिए जोड़ सकते हैं। हालाँकि, ये उपकरण स्थिर स्मारक नहीं हैं; वे निरंतर विकसित होने वाली जीवित संस्थाएँ हैं। डेवलपर्स अक्सर बग्स को ठीक करने, गति में सुधार करने या नई सुविधाएँ जोड़ने के लिए उन्हें अपडेट करते हैं। ऐसा करते हुए, वे कभी-कभी चुपचाप उन विशिष्ट कमांड्स और निर्देशों को हटा देते हैं या बदल देते हैं जिन पर उपयोगकर्ता निर्भर करते हैं। मानव प्रोग्रामरों के लिए, इन परिवर्तनों का पता रखना एक प्रबंधनीय चुनौती है, जिसे अक्सर रिलीज़ नोट्स पढ़ने या सहकर्मियों से पूछकर हल किया जाता है। लेकिन कोड लिखने वाले आर्टिफिशियल इंटेलिजेंस सहायकों की नई पीढ़ी के लिए, यह विकास एक अनूठी और निरंतर समस्या प्रस्तुत करता है। ये AI मॉडल कई अलग-अलग युगों के कोड के विशाल अभिलेखागार पर प्रशिक्षित होते हैं, जिससे वे ऐसे निर्देश लिखना सीखते हैं जो वर्षों पहले सही थे लेकिन अब टूट चुके हो सकते हैं। यह जानने का कोई तरीका न होने के कारण कि उपयोगकर्ता के पास टूल का कौन सा सटीक संस्करण इंस्टॉल है, एक AI आत्मविश्वास के साथ ऐसा कमांड सुझा सकता है जो अब मौजूद नहीं है, जिससे ऐसी त्रुटियाँ होती हैं जो एक प्रोजेक्ट को रोक देती हैं।

इसे हल करने के लिए, पुष्कर देवानाहल्ली गोपालकृष्ण नामक एक शोधकर्ता ने इन टूल्स के समय के साथ बदलने का एक विशाल, विस्तृत रिकॉर्ड बनाया है। 'PyPI API Drift' नामक यह प्रोजेक्ट 1,872 सबसे लोकप्रिय पायथन लाइब्रेरीज़ के लिए एक ऐतिहासिक संग्रह के रूप में कार्य करता है। हर एक कोड को चलाने और परीक्षण करने की कोशिश करने के बजाय, जो असंभव रूप से धीमा और महंगा होगा, शोधकर्ता ने इन लाइब्रेरीज़ को बनाने वाली डिजिटल फाइलों को सीधे देखने की एक विधि विकसित की। इन फाइलों के केवल आवश्यक हिस्सों की जांच करके, यह सिस्टम मैप कर सकता है कि प्रत्येक लाइब्रेरी के हर हालिया रिलीज़ में कौन से कमांड, फंक्शन और सेटिंग्स उपलब्ध थे। यह प्रक्रिया 2021 और देर 2026 के बीच रिलीज़ किए गए सॉफ़्टवेयर के 55,000 से अधिक विशिष्ट संस्करणों को कवर करती है। परिणाम एक सटीक बहीखाता है जो ट्रैक करता है कि एक विशिष्ट फीचर कब जोड़ा गया, कब उसका नाम बदला गया, और कब उसे पूरी तरह से हटा दिया गया। महत्वपूर्ण रूप से, सिस्टम उन चीजों के बीच अंतर करता है जो वास्तव में गायब हो गई हैं और वे जो केवल स्थानांतरित हुई हैं या जिनका नाम बदल गया है, और प्रत्येक प्रविष्टि को एक विश्वास स्तर (confidence level) के साथ चिह्नित करता है जो यह दर्शाता है कि रिकॉर्ड कितना निश्चित है।

परिवर्तन का पैमाना महत्वपूर्ण है। विश्लेषण से पता चला कि लगभग 13.4 प्रतिशत मामूली सॉफ़्टवेयर अपडेट, जिन्हें अक्सर सुरक्षित और बैकवर्ड-कंपैटिबल माना जाता है, वास्तव में कम से कम एक ऐसा परिवर्तन शामिल करते हैं जो मौजूदा कोड को तोड़ देता है। इससे भी अधिक चौंकाने वाला यह है कि लगभग 64 प्रतिशत मेजर वर्जन जंप और लगभग 30 प्रतिशत मामूली अपडेट में ऐसे परिवर्तन शामिल हैं जो पुराने कोड को विफल कर देंगे। यह डेटा इस सामान्य धारणा को चुनौती देता है कि सॉफ़्टवेयर अपडेट एक सख्त, अनुमानित सुरक्षा पैटर्न का पालन करते हैं। शोधकर्ता ने पाया कि हटाए गए फीचर्स का केवल एक बहुत छोटा हिस्सा आधिकारिक तौर पर "डिप्रेकेटेड" (deprecated) या "जल्द ही हटाया जाने वाला" के रूप में चिह्नित किया गया था जिसे ऑटोमेटेड टूल्स आसानी से पहचान सकें। अक्सर, चेतावनियाँ टेक्स्ट डॉक्यूमेंट्स या कंडीशनल मैसेज में छिपी होती थीं जिन्हें कंप्यूटर प्रोग्राम नहीं पढ़ सकता था, जिससे डेवलपर्स और AI असिस्टेंट अंधेरे में रह जाते थे जब तक कि कोड टूट नहीं जाता था।

इस रिकॉर्ड की उपयोगिता को सिद्ध करने के लिए, शोधकर्ता ने इसकी सटीकता और उपयोगिता का परीक्षण करने के लिए उपकरणों का एक सेट बनाया। एक टूल एक 'चेकर' के रूप में कार्य करता है जो कोड को स्कैन करता है ताकि यह देख सके कि क्या वह उन कमांड्स का उपयोग कर रहा है जो किसी विशिष्ट सॉफ़्टवेयर वर्जन के लिए अब वैध नहीं हैं। दूसरा टूल AI सहायकों के लिए एक 'लुकअप सिस्टम' के रूप में कार्य करता है, जिससे वे कोई भी कमांड लिखने से पहले उसके इतिहास की क्वेरी कर सकते हैं। सबसे महत्वपूर्ण बात यह है कि प्रयोगों की एक श्रृंखला ने परीक्षण किया कि क्या इस ऐतिहासिक रिकॉर्ड तक AI की पहुँच देने से वास्तव में उसे बेहतर कोड लिखने में मदद मिली। उन परीक्षणों में जहाँ AI को उस कोड को ठीक करना था जो सॉफ़्टवेयर अपडेट द्वारा तोड़ा गया था, AI तब काफी बेहतर प्रदर्शन करता था जब वह इस रिकॉर्ड का परामर्श ले सकता था। बिना मदद के, AI आधे से भी कम समय में कोड को सही ढंग से ठीक कर पाया। ऐतिहासिक रिकॉर्ड प्रदान किए जाने पर, उसकी सफलता दर बढ़कर लगभग 70 प्रतिशत हो गई, जो नए सॉफ़्टवेयर वर्जन के आधिकारिक डॉक्यूमेंटेशन मिलने पर भी बेहतर थी। यह सुझाव देता है कि सामान्य निर्देशों को पढ़ने की तुलना में एक सटीक, वर्जन-विशिष्ट इतिहास का होना AI के लिए अधिक मूल्यवान है।

इस प्रोजेक्ट ने एक बेंचमार्क भी तैयार किया, जो हजारों कोड स्निपेट्स का एक मानकीकृत टेस्ट सेट है, ताकि अन्य शोधकर्ता यह माप सकें कि उनके अपने AI मॉडल इन वर्जन परिवर्तनों को कितनी अच्छी तरह संभालते हैं। निष्कर्ष पुष्टि करते हैं कि हालांकि AI मॉडल शक्तिशाली हैं, लेकिन वे सॉफ़्टवेयर विकास की तीव्र गति के साथ संघर्ष करते हैं जब तक कि वे एक विश्वसनीय, अप-टू-डेट मानचित्र से लैस न हों कि क्या मौजूद है और क्या गायब हो गया है। रिकॉर्ड दिखाता है कि पायथन लाइब्रेरीज़ का परिदृश्य पहले की समझ से कहीं अधिक तरल है, जिसमें छोटे अपडेट में भी ब्रेकिंग चेंजेस बार-बार दिखाई देते हैं। इन परिवर्तनों का एक स्पष्ट, उच्च-सटीक मानचित्र प्रदान करके, यह कार्य स्मार्ट कोडिंग असिस्टेंट बनाने के लिए एक आधार प्रदान करता है जो सॉफ़्टवेयर की बदलती दुनिया में बिना भटके नेविगेट कर सकें। यह डेटा अब उपयोग के लिए खुला है, यह सुनिश्चित करते हुए कि समुदाय डिजिटल दुनिया की निरंतर गति के साथ तालमेल बिठाने वाले उपकरण बनाना जारी रख सके।